- •1. Определение случайной величины. Виды случайных величин
- •Примеры случайных величин:
- •Дискретные и непрерывные случайные величины
- •2. Функция распределения вероятностей случайной величины и ее свойства
- •Свойства функции распределения
- •3. Закон распределения вероятностей дискретной случайной величины
- •Способы задания дискретной случайной величины
- •4. Плотность распределения вероятностей непрерывной случайной величины
- •Вероятность попадания непрерывной случайной величины в заданный интервал
- •Нахождение функции распределения по известной плотности распределения
- •Свойства плотности распределения
- •Вероятный смысл плотности распределения
- •5. Типовые распределения дискретных случайных величин
- •5.1. Распределение Бернулли
- •5.2. Биномиальное распределение
- •5.3. Распределение Пуассона
- •Примеры Пуассоновских случайных величин:
- •5.4. Геометрическое распределение
- •5.5. Гипергеометрическое распределение
- •6. Математическое ожидание дискретной случайной величины
- •Вероятностный смысл математического ожидания
- •Свойства математического ожидания
- •7. Дисперсия дискретной случайной величины
- •Свойства дисперсии
- •8. Среднее квадратическое отклонение
- •9. Математическое ожидание и дисперсия непрерывных случайных величин
- •10. Типовые распределения непрерывных случайных величин
- •10.1. Равномерное распределение
- •10.2. Нормальное (Гауссовское) распределение
- •Влияние параметров нормального распределения на форму нормальной кривой
- •Вероятность попадания в заданный интервал нормальной случайной величины
- •Правило трех сигм
- •10.3. Показательное распределение
- •Вероятность попадания в заданный интервал показательно распределенной случайной величины
- •Числовые характеристики показательного распределения
- •11. Числовые характеристики случайных величин .
- •12. Функция одного случайного аргумента и ее распределение
- •Математическое ожидание функции одного случайного аргумента
- •13. Одинаково распределенные взаимно независимые случайные величины
- •14. Закон больших чисел
- •15. Центральная предельная теорема
- •16. Приложения.
- •16.2. Таблица значений функции
- •16.4. Таблица значений функции .
- •17. Рекомендуемая литература.
Свойства математического ожидания
Свойство1: Математическое ожидание постоянной величины равно самой постоянной
Свойство2:Постоянный множитель можно выносить за знак математического ожидания
Определение6.2: Две случайные величины называются независимыми, если закон распределения одной из них не зависит от того, какие возможные значения приняла другая величина. В противном случае случайные величины зависимы.
Определение6.3: Несколько случайных величин называют взаимно независимыми, если законы распределения любого числа из них не зависят от того, какие возможные значения приняли остальные величины.
Свойство3:Математическое ожидание произведения двух независимых случайных величин равно произведению их математических ожиданий.
Следствие: Математическое ожидание произведения нескольких взаимно независимых случайных величин равно произведению их математических ожиданий.
Свойство4:Математическое ожидание суммы двух случайных величин равно сумме их математических ожиданий.
Следствие: Математическое ожидание суммы нескольких случайных величин равно сумме их математических ожиданий.
Пример. Вычислим математическое ожидание биномиальной случайной величины X – числа наступления события A в n опытах.
Решение: Общее число X появлений события A в этих испытаниях складывается из чисел появлений события в отдельных испытаниях. Введем случайные величины Xi – число появлений события в i-ом испытании, которые являются Бернуллиевскими случайными величинами с математическим ожиданием , где . По свойству математического ожидания имеем
Таким образом, математическое ожидание биномиального распределения с параметрами n и p равно произведению np.
Пример. Вероятность попадания в цель при стрельбе из орудия p = 0,6. Найти математическое ожидание общего числа попаданий, если будет произведено 10 выстрелов.
Решение: Попадание при каждом выстреле не зависит от исходов других выстрелов, поэтому рассматриваемые события независимы и ,следовательно, искомое математическое ожидание
(попаданий).
7. Дисперсия дискретной случайной величины
Зная лишь математическое ожидание случайной величины, еще нельзя судить ни о том, какие возможные значения она принимает, ни о том, как они рассеяны вокруг математического ожидания.
Рассмотрим, например, дискретные случайные величины X и Y , заданные следующими законами распределения:
X |
-0,001 |
0,001 |
P |
0,5 |
0,5 |
Y |
-1000 |
1000 |
P |
0,5 |
0,5 |
Математические ожидания этих величин
Другими словами, математическое ожидание полностью случайную величину не характеризует. По этой причине наряду с математическим ожиданием вводят и другие числовые характеристики.
Определение7.1: Отклонением называют разность между случайной величиной и ее математическим ожиданием: X – M(X).
Свойство отклонения: Математическое ожидание отклонения равно нулю:
M[X – M(X)] = 0.
Доказательство: Пользуясь свойствами математического ожидания и тем, что M(X)- постоянная величина, имеем
M[X – M(X)] = M(X) – M[M(X)] = M(X) –M(X)= 0.
Замечание: Наряду с термином “отклонение” используют термин “центрированная величина”. Центрированной случайной величиной называют разность между случайной величиной и ее математическим ожиданием: = X – M(X).
Определение7.2:Дисперсией (рассеянием) дискретной случайной величины называют математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:
D(X) = M[X – M(X)]2.
Пусть дискретная случайная величина задана рядом распределения
X |
x1 |
x2 |
x3 |
….. |
|
xn |
P |
p1 |
p2 |
p3 |
….. |
|
pn |
Тогда
D(X) = M[X – M(X)]2 = [x1-M(X)]2p1+ [x2-M(X)]2p2+…+ [xn-M(X)]2pn.
Таким образом, чтобы найти дисперсию, достаточно вычислить сумму произведений возможных значений квадрата отклонения на их вероятности.
Пример. Найти дисперсию случайной величины X , которая задана следующим рядом распределения:
X |
1 |
2 |
5 |
P |
0,3 |
0,5 |
0,2 |
Решение: Математическое ожидание M(X) = 1∙0,3+2∙0,5+5∙0,2 = 2,3.
Тогда D(X) = (1 - 2,3)2∙0,3 + (2 - 2,3)2∙0,5 + (5 - 2,3)2∙0,2 = 1,69 ∙ 0,3 + 0,09 ∙ 0,5 + 7,29 ∙ 0,2 = 2,01.
Для вычисления дисперсии часто удобно пользоваться другой формулой:
D(X) = M(X2) – [M(X)]2.
Доказательство:
D(X) = M[X – M(X)]2=M[X2 - 2X∙M(X) + M2(X)]= M(X2) – 2M(X)∙M(X) + M2(X) =
= M(X2) – 2M2(X)+ M2(X) = M(X2)- M2(X).
Таким образом, дисперсия равна разности между математическим ожиданием квадрата случайной величины и квадратом ее математического ожидания.
Пример. Найти дисперсию случайной величины X , которая задана следующим рядом распределения:
X |
2 |
3 |
5 |
P |
0,1 |
0,6 |
0,3 |
Решение: Математическое ожидание M(X) = 2∙0,1+3∙0,6+5∙0,3 = 3,5. Тогда M(X2) = 22∙0,1+32∙0,6+52∙0,3 = 13,3. Дисперсия D(X) = M(X2) – [M(X)]2=13,3 – (3,5)2=1,05.